Диплом, курсовая, контрольная работа
Помощь в написании студенческих работ

Статистический анализ регулярных неоднородностей стохастических гауссовских полей

Диссертация: Статистический анализ регулярных неоднородностей стохастических гауссовских полей
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Функционирование автоматизированных систем обработки изображений в реальных условиях сопровождается случайными помехами, имеющими различную физическую природу. Для учета помеховых искажений изображения необходимо задать статистические характеристики шума. В некоторых случаях их можно определить исходя из структуры и характеристик изображающей системы, либо оценить по уже сформированному… Читать ещё >

Содержание

  • 1. ОБНАРУЖЕНИЕ РЕГУЛЯРНЫХ НЕОДНОРОДНО СТЕЙ С НЕИЗВЕСТНЫМИ ПАРАМЕТРАМИ
    • 1. 1. ОБНАРУЖЕНИЕ НЕОДНОРОДНОСТИ С НЕИЗВЕСТНОЙ ПЛОЩАДЬЮ
    • 1. 2. ОБНАРУЖЕНИЕ НЕОДНОРОДНОСТИ С НЕИЗВЕСТНЫМИ КООРДИНАТАМИ И ИНТЕНСИВНОСТЬЮ
    • 1. 3. ОБНАРУЖЕНИЕ НЕОДНОРОДНОСТИ С НЕИЗВЕСТНЫМИ КООРДИНАТАМИ, ИНТЕНСИВНОСТЬЮ И ПЛОЩАДЬЮ

Статистический анализ регулярных неоднородностей стохастических гауссовских полей (реферат, курсовая, диплом, контрольная)

В последние годы все большее внимание уделяется проблемам обработки пространственных полей. Если поле фиксируется в заданной картинной плоскости, то можно интерпретировать пространственные неоднородности, как изображения некоторого источника излучения или некоторого объекта. Большой интерес к проблемам обработки пространственных полей обусловлен интенсивным развитием радиофизических методов и средств дистанционного наблюдения, а так же многообразием практических задач, в которых используются либо сами изображения, либо результаты их анализа [3]. Необходимость в обработке изображений возникает в системах наведения и навигации летательных аппаратов [27], в самолетных, спутниковых и других системах контроля состояния охраняемых зон, природных объектов, окружающей среды, объектов вторжения [15], в системах анализа проезжающих автомобилей [19], в медицинской и технической диагностике [68] и др. Хотя на большинстве промышленных, военных и др. объектов используются классические системы управления, в последнее время вызывает интерес разработка и анализ систем управления, ¦ основанных на обработке изображений [68, 112]. Все возрастающий объем задач и повышение требований к точности и времени их решения вызвали необходимость развития средств и методов автоматизированной обработки изображений при принятии управленческих решений в технических, промышленных, военных, медицинских и других системах.

Функционирование автоматизированных систем обработки изображений в реальных условиях сопровождается случайными помехами, имеющими различную физическую природу. Для учета помеховых искажений изображения необходимо задать статистические характеристики шума. В некоторых случаях их можно определить исходя из структуры и характеристик изображающей системы, либо оценить по уже сформированному изображению. Наиболее распространенным видом флуктуационных помех является аддитивный шум, статистически независимый от полезного изображения. Из других видов помех на изображении можно выделить импульсные помехи, периодические помехи и шумы квантования.

Используемые в настоящее время методы оценки качества функционирования автоматизированных систем обработки информации, получаемой при анализе изображений, можно разделить на эвристические (полуэвристические) и теоретические. Недостатком эвристических методов оценки качества функционирования автоматизированных систем анализа изображений является невозможность распространения их на условия, не охваченные экспериментальными исследованиями. Поэтому такие методы обладают низкими прогностическими возможностями и могут приводить к противоречивым результатам [2]. Основанием для применения теоретических методов исследования систем обработки изображений является то, что процессы извлечения информации из волновых полей любой физической природы подчиняются общим закономерностям, предсказываемым теорией обнаружения и оценки, то есть теорией оптимального приема и пространственной обработки сигналов и полей. В условиях непрерывного совершенствования технических средств получения и обработки изображений можно ожидать, что в ближайшей перспективе будут созданы автоматизированные системы дистанционного наблюдения, которые по своим информационным возможностям будут приближаться к оптимальным системам, исследуемым методами теории обнаружения и оценки. В связи с этим, оценки информационных возможностей автоматизированных систем дистанционного наблюдения, полученные на основе методов теории обнаружения и оценки, являются надежными ориентирами качества функционирования перспективных и существующих систем получения и обработки изображений. Эти обстоятельства стимулируют разработку аналитических методов оценки качества автоматизированных систем обработки изображений.

Вместе с тем, на пути практического применения методов теории обнаружения и оценки стоят сложные и недостаточно проработанные проблемы, связанные и обработкой изображений в условиях априорной параметрической неопределённости.

Так, в ряде практических приложений обнаружению подлежат объекты, находящиеся на неизвестной дальности. Это приводит к тому, что площадь изображения (неоднородности) может быть априори неизвестной. Кроме того, часто оказываются неизвестными координаты изображения, а обычные условия формирования и передачи изображения приводят к тому, что его максимальная интенсивность (амплитуда) так же априори неизвестна.

В настоящей работе рассматривается задача обнаружения изображения для трёх различных ситуаций априорной параметрической неопределённости, а именно:

— обнаружение неоднородности с неизвестной площадью;

— обнаружение неоднородности с неизвестными координатами и интенсивностью;

— обнаружение неоднородности с неизвестными координатами, интенсивностью и площадью.

Также рассматривается задача оценки площади неоднородности для трёх возможных ситуаций априорной параметрической неопределённости, а именно:

— оценка площади неоднородности с неизвестной интенсивностью;

— оценка площади неоднородности с неизвестными интенсивностью и местоположением;

— оценка размеров неоднородности.

Применительно к оценке местоположения неоднородности в условиях априорной параметрической неопределённости были исследованы: оценка местоположения неоднородности с неизвестной интенсивностью;

— оценка местоположения изображения с неизвестными интенсивностью и площадью;

— квазиправдоподобная оценка местоположения неоднородности.

В зависимости от способов дистанционного формирования изображений статистические свойства формируемых изображений в виде пространственных полей могут существенно отличаться. Однако в большинстве случаев это квазидетерминированные, гауссовские или пуассоновские пространственные поля. Возможности представления распределения интенсивности изображений гауссовским случайным полем посвящена работа [64], а в [34] обоснована модель изображения как пуассоновского поля. Гауссовские и пуассоновские модели изображений рассматриваются в работах [62, 63 и др.]. Однако использование случайных полей для описания распределения интенсивности изображения не всегда целесообразно, поскольку различные изображения могут не достаточно отличаться своими статистическими характеристиками. В связи с этим в диссертационной работе рассматриваются задачи статистического анализа гауссовских случайных полей, содержащих неоднородности в виде квазидетерминированных изображений некоторых источников или объектов.

Если разрешающая способность системы формирования изображения не очень высока, то можно ограничиться рассмотрением регулярных неоднородностей [1,93], которые описываются дифференцируемыми функциями координат и неизвестных параметров.

Алгоритмы обработки изображений исследовались ранее в [19,94,98 ] и.

ДР.

В [98] рассмотрена задача обнаружения изображения с неизвестными координатами, но площадь изображения при этом предполагалась априори известной. В [94] рассмотрена задача обнаружения изображения с неизвестной площадью, но координаты изображения при этом предполагались априори известными. В то же время, во многих случаях у обнаруживаемого изображения могут быть априори неизвестны, как координаты, так и площадь, которая характеризует размеры изображения.

В [99] рассмотрена задача оценки координат изображения, но его интенсивность и площадь при этом предполагалась априори известными.

В тоже время во многих случаях, обычные условия формирования и передачи изображения [63] приводят к тому, что его максимальная интенсивность (амплитуда) и площадь априори неизвестны, поэтому результаты, полученные в работах [94,98,99] могут быть не всегда применимы.

Одним из эффективных методов синтеза алгоритмов обнаружения и оценки является байесовский. Однако, байесовские методы требуют задания функции потерь и большого количества априорных сведений, таких как распределения параметров, априорные вероятности наличия или отсутствия изображения в принятой реализации, модели сигнала и помехи и способ их комбинации. Поэтому достаточно эффективным представляется применение метода максимального правдоподобия, подробно описаного в литературе [10, 93 и др.]. При этом для оценки регулярных параметров доказано свойство асимптотической эффективности метода максимального правдоподобия [84].

Таким образом, актуальность темы диссертации обусловлена необходимостью синтеза и определения характеристик алгоритмов статистического анализа регулярных пространственных неоднородностей гауссовского случайного поля при различном объеме априорной неопределенности относительно параметров неоднородности, таких как ее интенсивность, местоположение, площадь и размеры.

Целью работы является:

• синтез алгоритмов обнаружения пространственных неоднородностей при различном объеме априорной неопределенности относительно интенсивности, местоположения и площади неоднородности;

• определение характеристик эффективности синтезированных I алгоритмов обнаружения;

• синтез алгоритмов совместной и раздельной оценки местоположения, площади и размеров пространственных неоднородностей при различном объеме априорной неопределенности относительно интенсивности неоднородности;

• определение характеристик алгоритмов оценки;

• исследование влияния пороговых эффектов на точность оценки различных параметров неоднородности.

Методы проведения исследования.

При решении задач, поставленных в диссертационной работе, использовались аналитические и вычислительные методы современного математического аппарата статистической радиофизики, а именно: аппарат теории вероятностей и математической статистикиметоды математического анализа и аналитической геометриитеория статистических решенийтеория случайных процессов.

Научная новизна.

На защиту выносятся следующие результаты, впервые достаточно подробно развитые или впервые полученные в настоящей работе:

• Новые структуры квазиправдоподобных и максимально правдоподобных алгоритмов статистического анализа неоднородностей гауссовского случайного поля.

• Аналитические выражения для характеристик квазиправдоподобных и максимально правдоподобных алгоритмов обнаружения пространственных неоднородностей при различном объеме априорной неопределенности относительно местоположения, площади, интенсивности однородности.

Асимптотические выражения для расчета характеристик эффективности функционирования квазиправдоподобных и максимально правдоподобных алгоритмов оценки параметров неоднородностей.

• Результаты исследования влияния пороговых эффектов на точность оценки различных параметров неоднородности.

Практическая ценность работы.

В работе выполнен синтез и анализ различных алгоритмов статистического анализа неоднородностей гауссовского случайного поля в зависимости от имеющейся априорной информации о неоднородности, о ее интенсивности, местоположении, площади.

Полученные в диссертации аналитические выражения для характеристик синтезированных алгоритмов позволяют обоснованно выбрать необходимый алгоритм анализа неоднородностей в соответствии с требованиями, предъявляемыми к эффективности алгоритма, имеющейся априорной информации относительно параметров изображения, а так же в соответствии с требуемой степенью простоты аппаратурной или программной реализации алгоритма.

Результаты диссертационной работы могут найти практическое применение при проектировании и анализе систем диагностики, локации, обнаружения и анализа объектов по их изображениям, полученным в результате дистанционного наблюдения.

Внедрение научных результатов.

Полученные в диссертации результаты внедрены в научно-исследовательских работах и в учебном процессе в Воронежском государственном университете. В частности, результаты диссертации использованы при выполнении грантов РФФИ (06−07−96 301, 07−01−42) и гранта Минобразнауки РФ и CRDF (VZ-010−0).

Апробация работы.

Основные положения диссертационной работы докладывались и обсуждались на.

XII, XIV, XV международных научно-технических конференциях «Радиолокация, навигация, связь» (г. Воронеж) в 2005, 2007, 2008 г.

Научной сессии ВГУ (г. Воронеж) в 2007 г.

Публикации.

По теме диссертации опубликовано 6 работ, из них 3 работы в журналах, рекомендованных ВАК для публикации результатов диссертационных работ. В совместных работах научному руководителю принадлежит постановка задач и определение направлений, в которых нужно вести исследования. Подробное проведение рассуждений, доказательств и расчетов принадлежит диссертанту.

Структура и объем работы.

Диссертация состоит из введения, трёх глав, заключения и списка литературы из 130 наименований. Объем диссертации составляет 137страниц, включая 106 страницы основного текста, 21 рисунка на 17 страницах, 14 страниц списка литературы.

3.4. ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ.

1. Получено, что точность надёжной оценки и оценки максимального правдоподобия местоположения неоднородности инвариантна к наличию априорной информации об интенсивности неоднородности. Однако, в пороговой области априорное незнание интенсивности неоднородности приводит к увеличению рассеяния оценки местоположения.

2. Априорное незнание одной из коордиант изображения может привести к существенному снижению точности оценки местоположения неоднородности. Точность оценки не снижается если неоднородность ориентирована вдоль одной из осей координат.

3. Найдены структура и асимптотические выражения для характеристик оценки максимального правдоподобия местоположения неоднородности с неизвестными интенсивностью и площадью.

4. Точность надёжной оценки максимального правдоподобия местоположения неоднородности инвариантна к наличию априорной информации об интенсивности и площади неоднородности. В пороговой области априорное незнание интенсивности и площади неоднородности приводит к проигрышу в точности оценки местоположения. Этот проигрыш возрастает по мере увеличения динамического даипазона возможных значений неизвестной площади.

5. Предложен и исследован квазиправдоподобный алгоритм оценки местоположения неоднородности с неизвестной площадью. Этот алгоритм обладает существенно более простой структурой, чем алгоритм максимального правдоподобия. С учётом аномальных ошибок найден проигрыш в точности квазиправдоподобной оценки по сравнению с оценкой максимального правдоподобия.

Заключение

.

В диссертационной работе получены следующие основные результаты:

1. Структура квазиправдоподобных и максимально правдоподобных алгоритмов обнаружения неоднородностей гауссовского случайного поля с априори неизвестными интенсивностью, местоположением и площадью.

2. Асимптотически точные (с ростом отношения сигнал/шум) выражения для расчёта характеристик квазиправдоподобных и максимально правдоподобных алгоритмов обнаружения неоднородностей при различном объёме арпиорной неопределённости относительно местоположения, площади и интенсивности неоднородности.

3. Структура и характеристики квазиправдобных и максимально правдоподобных алгоритмов оценки площади и рамеров неоднородности с априори неизвестными интенсивностью и местоположением.

4. Структура квазиправдоподобных и максимально правдоподобных алгоритмов оценки местоположения неоднородностей гауссовского случайного поля с априори неизвестными интенсивностью и площадью.

5. Асимптотически точные (с тостом отношения сигнал/шум) выражения для расчёта характеристик квазиправдоподобных и максимально правдоподобных оценок местоположения неоднородности при различном объёме априорной неопределённости относительно интенсивноси и площади неоднородности.

6. Асимптотически точные (с ростом отношения сигнал/шум и приведённого объёма априорной области возможных значений неизвестных параметров) выражения для расчёта пороговых характеристик алгоритмов статистического анализа неоднородностей в условиях априорной параметрической неопределённости.

На основе результатов, полученных в диссертационной работе можно сделать следующие теоретические и практические выводы:

1. Априорная неопределённость относительно интенсивности, местоположения и площади неоднородности может привести к существенному снижению эффективности обнаружения неоднородности.

2. Проигрыш в эффективности обнаружения неоднородности вследствие априорной параметрической неопределённости возрастает с увеличением приведённой площади априорной области возможных значений неизвестных координат неоднородности, с уменьшением требуемого уровня вероятности ложной тревоги и с увеличением динамического диапазона изменения возможных значений площади неоднородности.

3.Оптимизация параметров предложенного квазиправдоподобного обнаружителя неоднородности с неизвестной площадью позволяет существенно уменьшить потери в эффективности обнаружения вследствие априорного незнания площади.

4. Априорное незнание интенсивности неоднородности приводит к увеличению дисперсии надёжной оценки максимального правдоподобия площади в два раза. Применение предложенного квазиправдоподобного алгоритма оценки площади может привести к некоторому уменьшению дисперсии оценки.

5 .Характеристики надёжной оценки площади неоднородности инвариантны к наличию априорной информации о её местоположении. В пороговой области априорное незнание местоположения неоднородности приводит к увеличению расстояния оценки площади в 1.5−2 раза. Это проигрыш в точности оценки площади возрастает с увеличением приведённой площади априорной области возможных значений неизвестных координат неоднородности.

6. Характеристики надёжной оценки местоположения неоднородности инвариантны к наличию априорной информации об интенсивности неоднородности. При наличии аномальных ошибок априорное незнание интенсивности неоднородности приводит к увеличению рассеяния оценки её местоположения в 1.5−2 раза.

7. Априорное незнание одной из координат неоднородности может привести к заметному снижению точности оценки местоположения. Однако, точность оценки местоположения вследствие незнания лишь одной координаты не изменяется, если неоднородность ориентирована вдоль одной из осей координат.

8. Точность надёжной оценки местоположения неоднородности инвариантна к наличию априорной информации об интенсивности и площади неоднородности. В пороговой области априорное незнание интенсивности и площади неоднородности приводит к проигрышу в точности оценки местоположения. Этот прогрыш возрастает по мере увеличения динамического диапазона возможных значений неизвестной площади.

9. Предложенный квазиправдоподобный алгоритм оценки местоположения неоднородности с неизвестной площадью обладает существенно более простой структрурой, чем алгоритм максимального правдоподобия. Оптимизация параметров квазиправдоподобного алгортима позволяет уменьшить потери в точности надёжной оценки местоположения вследстивие априорного незнания площади неоднородности. Однако, в пороговой области квазиправдоподобный алгоритм существенно проигрывает максимально правдоподобному.

Показать весь текст

Список литературы

  1. , П. С. Теория обнаружения сигналов / П. С. Акимов, П. А. Бакут,
  2. В. А. Богданович и др.- под ред. П. А. Бакута. М.: Радио и связь, 1984. -440 с
  3. , JI. Н. Прогнозирование вероятности распознавания объектов покосмическим снимкам / JL Н. Аксютов // Исследование Земли из космоса. 1995. — № 2. — С. 3 — 11
  4. , Б. В. Распознавание и цифровая обработка изображений / Б. В.
  5. , В. Д. Курганов, В. К. Злобин. М.: Высш. шк., 1983. — 296 с.
  6. , С. А. Введение в статистическую радиофизику и оптику / С. А.
  7. , Ю. Е. Дьяков, А. С. Чиркин. М.: Наука, 1981. — 640 с.
  8. , И.В. Фильтрация изображений искажённых смесью аддитивнойи импульсной помех на основе модели фрактально-броуновского движения. / И. В. Барышев, M.JI. Усс, Зарубежная радиоэлектроника. -2005.-№ 2-С. 51−67
  9. , В.Г. Алгоритмы фильтрации изображений с адаптациейразмеров апертуры / В. Г. Белявцев, Ю. Е. Воскобойников //Автометрия. 1998. -№ 3 — С. 18−25.
  10. Волховская, О. В Сравнительный анализ различных статистикобнаружения пространственных сигналов в случае коротких выборок / О. В Волховская // Известия ВУЗов. Радиофизика. 2004. — № 8 — С. 2328
  11. , В. В. Цифровое моделирование в статистической радиотехнике /
  12. В. В. Быков. М.: Советское радио, 1971. — 328 с.
  13. , В.Н. Применение метода дискретизации изображения к решениюзадачи восстановления протяженных источников радиоизлучения / В. Н Быков,.Антюфеев В. И, Вильчинский А. С., Макаренко Б. И., Минц М. Я., Прилепский Е. Д. // Радиотехника. 1996. — № 8 — С. 51−55
  14. Ван Трис, Г. Теория обнаружения, оценок и модуляции / Г. Ван Трис.
  15. М.: Сов. радио, 1972. Т. 1. — 744 е.- Т. 2. — 342 с.
  16. Введение в статистическую радиофизику / С. М. Рытов, Ю. А. Кравцов,
  17. В. И. Татарский- под общ. ред. С. М. Рытова. — М.: Наука, 1978. Т. 1. -494с.- Т. 2.-463 с.
  18. , Е. С. Теория вероятностей и ее инженерные приложения / Е. С.
  19. , JI. А. Овчаров. -М.: Наука, 1988.-480 с.
  20. , Н.В. Сегментация изображений статистические модели иметоды / Н. В. Верденская // Зарубежная радиоэлектроника. 2002. — № 12-С. 33−47
  21. , О.В. Структура моделей пространственно-временных сигналови полей многопозиционной радиолокационной системы / О. В. Викулов, В .И. Меркулов.// Радиотехника. 1998. — № 2 — С. 26−29
  22. , JI. С. Минимаксный метод оценки параметров изображения /
  23. JI. С. Виленчик, А. Н. Катулев, М. Ф. Малевинский // Известия РАН. Теория и системы управления. 2000. — № 2. — С. 120 — 123.
  24. , А.Г. Статистическая оценка перемещающихся случайныхполей на основе нового подхода к пространственной эргодичности / А. Г. Вологдин, Приходько Л. И. // Радиотехника и электроника. 2003. -Т.48, № 7-С. 795−801
  25. , Ю.Е. Адаптивный алгоритм фильтрации ипреобразования изображений в векторный формат / Ю. Е. Воскобойников, Колкер А. Б. // Автометрия. 2002. — № 4 — С. 3−11
  26. , Ю.Е. Использование алгоритмов нелинейной фильтрациидля улучшения качества восстановленных топографических изображений / Ю. Е. Воскобойников, Касьянова С. Н., Кисленко Н. П., Трофимов О.Е.// Автометрия. 1997. -№ 3 — С. 13−17
  27. , А. Н. Система для оценки скорости транспортных средств поконтурным признакам в режиме реального времени / А. Н. Гнеушев //
  28. Известия РАН. Теория и системы управления. 2005. — № 1. — С. 133 — 143.
  29. , П.Г. Определение местоположения отдельного объекта нафоновом изображении / П. Г. Горев, Коренной А. В., Егоров С. А., Лепешкин С. А. //Радиотехника. 2000. № 4 — С. 53−59
  30. , П.Г. Восстановления изображения в условиях априорнойнеопределённости / П. Г. Горев, Коренной А. В., Егоров С. А. // Радиотехника. 1999. — № 3 — С. 41−44
  31. , И. С. Таблицы интегралов, сумм, рядов и произведений / И. С.
  32. , И. М. Рыжик М.: Наука, 1971. — 1108 с.
  33. , М.Г. Определения геометрических параметров объектов порастровым изображениям / М. Г. Грибов, Хачумов В.М.// Автометрия. -2001.-№ 1-С. 40−49
  34. , О.В. Формирование оптического изображения произвольнойгеометрической формы на криволинейных поверхностях вращения / О. В. Грицкевич // Автометрия. 1997. — № 2 — С. 26−33
  35. , И.С. Двухэтапное восстановление дефокусированныхизображений // И. С. Грузман //Автометрия.— 1997. № 2 — С. 93−97
  36. , Д.В. Статистическая оценка погрешности восстановления видаобъекта по неравномерно расположенным отсчётам его изображения / Д. В. Довнар, К. Г. Предко //Автометрия. 1999. — № 3 — С. 36−42
  37. , В. В. Структурно-лингвистический алгоритм обработкиизображений и распознавания образов наземных сцен в системе наведения летательного аппарата / В. В. Инсаров // Известия РАН. Теория и системы управления. 2004. — № 1. — С. 145 — 154.
  38. , JI.B. Адаптивная обработка изображений, искажённыхатмосферными образованиями / JI.B. Каверина // Радиотехника. 2000. — № 4 — С. 64−67
  39. , А.А. Новые признаки изображений, инвариантныеотносительно группы движений и аффинных преобразований / А. А. Кадыров, Федотов Н. Г. // Автометрия. 1997. — № 4 — С. 65−79
  40. , А.Н. Фильтрация, обнаружение и локализациямалоразмерных объектов, полученных при круговом субпиксельном сканировании изображений / А. Н. Касперович, Бондаренко Ю. В. // Автометрия. 2002. — № 5 — С. 25−30
  41. , В.Б. Спектральные плотности высших порядков однородного иизотропного импульсного случайного поля / В. Б. Кашкин // Радиотехника и электроника. 1999. — Т.44, № 9 — С. 1093−1097
  42. , B.C. Алгоритмы обнаружения точечных объектов постереоизображениям / B.C. Киричук, А. К. Шакенов // Автометрия. -2005.- № 2 -С. 14−22
  43. , B.C. Анализ изображений динамических систем: модели, алгоритмы и системы реального времени / B.C. Киричук // Автометрия. 1998.-№ 3 — С. 22−31
  44. , Дж. Основы квантовой оптики / Дж. Клаудер, Э. Сударшан- пер. с англ. Б. Я. Зельдовича, В. Г. Тункина, А. С. Чиркина- под ред. С. А. Ахманова. -М.: Мир, 1970. 428 с.
  45. , В.К. Сравнительный анализ алгоритмов распознавания объектовбортовыми PJIC / В. К. Клочко, В. В. Курилкин, И. В. Шейнина // Радиотехника. 2003. — № 12 — С. 3−9
  46. , Ю.Л. Оценочно-компенсационный алгоритм выделениякратковременных существующих изображений матричными приёмниками / Ю. Л. Козирацкий, В. Н. Тимохин, А. Ю. Козирацкий // Радиотехника. 2004. — № 5 — С. 97−99
  47. , В.В. Новый метод обработки локально-анизотропныхизображений / В. В. Кондратьев, А. В. Рогинский // Автометрия, — 1999. -№ 2-С. 63−70
  48. , А.В. Алгоритмы определения параметров образа объектасовместно с пространственно-временным восстановлением радиолокационных изображений в условиях помех / А. В. Коренной, С. А. Егоров, С. А. Лепёшкин // Радиотехника. 2002. — № 4 — С. 6−12
  49. , А.В. Алгоритмы совместного обнаружения и оценивания длявосстановления статических случайных полей / А. В. Коренной, С. А. Егоров //Радиотехника. 1998. — № 1 — С. 3−6
  50. , В.Ю. Аффинно-инвариантное представление изображения иконтура / В. Ю. Корнилов // Автометрия. 1999. — № 5 — С. 60−62
  51. , П.Ю. Восстановление фрагментов радиоизображенийподстилающей поверхности по бесфазным данным / П. Ю. Костенко, Зродников А. В., Манойло С.В.// Известия ВУЗов. Радиоэлектроника. -1999.-№ 5-С. 58−62
  52. , В.И. Дифракционно статистическое разрешениемалоразмерных объектов в сканирующих системах / В. И. Костылев, Коржик Ю.В.// Радиотехника. 1999. — № 1 — С. 3−22
  53. , В.И. Квадратичное по сигналу обнаружение протяжённогорадиоисточника с неизвестным распределением яркости / В.И. Костылев//Радиотехника и электроника. — 1999. — Т.44, № 2 С. 210−214
  54. , В.И. Характеристики обнаружения малоразмерного объектатиповой пространственно временной системой / В. И. Костылев // Известия ВУЗов. Радиоэлектроника. 2001. — Т.44, № 4 — С. 27−33
  55. , В.Б. Регистрация изменений изображения при помощидвухволнового взаимодействия. /В.Б. Котов, Никанорова Е. А. //Радиотехника и электроника. 2000. — т.45, № 6. — С.749−754
  56. , В.Ф. Робастные фильтры, сохраняющие мелкие деталиизображения и подавляющие импульсные шумы / В. Ф. Кравченко, Пономарев В. И., Погребняк А.Б.// Радиотехника и электроника. 2001. -Т.46, № 4 — С. 484−489
  57. , Г. Математические методы статистики / Г. Крамер- пер. с англ.
  58. А. С. Монина и А. А. Петрова- под ред. акад. А. Н. Колмогорова. М.: Мир, 1975.-648 с.
  59. , Н. Н. Теория передачи и восприятия изображений. Теорияпередачи изображений и ее приложения / Н. Н. Красильников. М.: Радио и связь, 1986. — 246 с.
  60. , А.Ю. Волоконно-оптическая система формированияизображений / А. Ю. Куликов, Строев В. М. // Радиотехника. 2003. — № 5 — С. 87−90
  61. , Е. И. Вопросы оценок параметров сигналов при наличии помех /
  62. Е. И. Куликов. М.: Сов. радио, 1969. — 244 с.
  63. , Е. И. Оценка параметров сигналов на фоне помех / Е. И.
  64. , А. П. Трифонов. М.: Сов. радио, 1978. — 296 с.
  65. Е.А. Алгоритм распознавания протяжённых объектов вусловиях априорной неопределённости статистических характеристик сигнала и шума / Е. А. Лаврентьев, Шаталов А. А. // Известия ВУЗов. Радиоэлектроника. 2002. — № 11 — С. 63−74
  66. , А.А. Нелинейная фильтрация изображений с импульснымипомехами (примеры реализации) / А. А. Ланнэ, Соловьёва Е. Б. // Известия ВУЗов. Радиоэлектроника. 2000. — № 4 — С. 3−11
  67. , Б. Р. Вероятностные модели и методы в системах связи иуправления / Б. Р. Левин, В. Шварц. — М.: Радио и связь, 1985. 312 с.
  68. , Б. Р. Теоретические основы статистической радиотехники / Б. Р.
  69. Левин. М.: Радио и связь, 1989. — 654 с.
  70. , А.А. Наземные радиолокационные средства полученияизображений искусственных спутников земли / А.А. Лучин// Зарубежная радиоэлектроника. 2001. — № 5 — С. 3−13
  71. , A.M. Метод формирования признаков, обеспечивающихинвариантное к ракурсу распознавание двумерных изображений / A.M. Матвеев // Радиотехника и электроника. 2004. — Т.49, № 9 — С. 10 651 073
  72. , Д. Введение в статистическую теорию связи / Д. Миддлтон-пер. с англ. Б. А. Смиренина- под ред. Б. Р. Левина. -М.: Сов. радио, 1962.-Т. 2.-832 с.
  73. , Д.Г. Формирование двумерного радиолокационногоизображения цели с траекторными нестабильностями полёта. / Д. Г. Митрофанов // Радиотехника и электроника. 2002. — Т.47, № 7 — С. 852 859
  74. , С.М. Особенности формирования 2-мерных радиолокационныхизображений объектов ступенчатыми ЛЧМ-сигналами / С. М. Нестеров, Силкин А. Т., Скородумов И. А., Ягольников С. В. // Радиотехника. 2000. — № 5 — С. 81−86
  75. , Е. П. Оценка площади пропадающего оптического изображенияна фоне шумов / Е. П. Нечаев, А. П. Трифонов // Автометрия. 1987. — № З.-С. 18−20.
  76. , Г. А. Обнаружение оптического изображения с неизвестнымиинтенсивностью и площадью при наличии фона с неизвестной интенсивностью / Г. А. Осецкая // Автометрия. 1992. — № 4. — С. 40 — 46.
  77. , Т. И. Представление изображений гауссовскими случайнымиполями / Т. И. Перетягин // Автометрия. 1984. — № 6. — С. 36 — 42
  78. , Е.П. Нелинейная цифровая фильтрация полутоновыхизображений / Е. П. Петров, Трубин И. С., Тихонов И. Е. // Радиотехника. -2003.-№ 5-С. 7−10
  79. , В.И. Асимптотические методы в теории гауссовскихпроцессов и полей / В. И. Питербарг М.: МГУ, 1988. —176 с.
  80. , В.А. Оценка возможностей человека-оператора по различениюпространственно-протяжённых объектов по их изображениям / В. А. Понькин, И. В. Лаптев // Радиотехника. 1999. — № 8 — С. 33−38
  81. Г. М., Степанов В. Н. Анализ и обработка изображений медикобиологических микрообъектов / Г. М. Попова, В. Н. Степанов // Автоматика и телемеханика. 2004. — № 1. — С. 131 — 142
  82. , Е.В. Анализ пороговых эффектов при обработке сигнала вусловиях параметрической априорной неопределённости. / Е. В. Проняев // Физика волновых процессов и радиотехнические системы. 2003. -Т.6. -№ 2. — С. 72−79.
  83. , С.Г. Стохастическая модель наблюдателя дешифровщикаизображений / С. Г. Прохоров, В. М. Тосенко // Радиотехника. 1998. -№ 6-С. 25−28
  84. , У. Цифровая обработка изображений / У. Прэт- пер. с англ. под ред.
  85. Д. С. Лебедева. М.: Мир, 1982. — Т. 1. — 312 е.- Т. 2. — 480 с.
  86. , Е.В. Компактное описание одномерного представленияизображений / Е. В. Рабинович // Автометрия. — 1997. № 2 — С. 31−36
  87. , В.Г. Получение радиолокационных изображений объектовна основе томографической обработки СШПС сигналов / В. Г. Радзиевский, М. А. Караваев // Радиотехника. — 1998. № 6 — С. 32−36
  88. , М.А. Бинарная и многоуровневая ранговая сегментацияполутоновых изображений / М. А. Райфельд // Радиотехника и электроника. 2000. — Т.45, № 6 — С. 705−708
  89. , В.Г. Спектральный метод компенсации смещений и повышенияразрешения изображений при обработке последовательно смещающихся цифровых кадров / В. Г. Репин, В. Н. Лагуткин // Радиотехника и электроника.-2000.-т.45,№ 11. С. 1359−1364
  90. , А.А. Нейросетевые и оптимальные алгоритмы обнаружениялокально-неоднородных участков изображений / А. А. Сирота, В. Д. Попело, О. В. Маслов // Известия ВУЗов. Радиоэлектроника. 2003. -№ 9-С. 66−74
  91. , B.C. Максимально правдоподобные совместные оценкипараметров оптических сигналов / B.C. Соболев, Г. А. Кащеева, И. В. Филимоненко // Автометрия. 1999. — № 1 — С. 7−12
  92. , Ю. Г. Теоретические основы радиолокации и радионавигации /
  93. Ю. Г. Сосулин. М.: Радио и связь, 1992. — 304с.
  94. , Ю. Г. Теория обнаружения и оценивания стохастическихсигналов / Ю. Г. Сосулин. М.: Сов. радио, 1978. — 320 с.
  95. , Ю.Г. Нейросетевое распознавание двумерных изображений /
  96. Ю.Г. Сосулин, Фом Чунг Зунг // Радиотехника и электроника. 2003. -Т.48, № 8-С. 964−969
  97. , В.М. Волоконно-оптический спец процессор предварительнойобработки изображений / В. М. Строев // Радиотехника. — 2004. № 3 — С. 45−47
  98. , В.И. Развитие в России оптимального нелинейного оцениванияслучайных процессов и полей / В. И. Тихонов // Радиотехника. 1999. — № 10.-С. 3−4.
  99. , В. И. Оптимальный прием сигналов / В. И. Тихонов. М.: Радиои связь, 1983.-320 с.
  100. , В. И. Статистическая радиотехника / В. И. Тихонов. -М.: Сов. радио, 1966. 680 с.
  101. , А. П. Обнаружение движущегося пространственнопротяженного объекта на фоне с неизвестной интенсивностью / А. П. Трифонов, Р. В. Куцов // Автометрия. 2005. — Т.41, — № 1. — С. 3 — 18.
  102. , А. П. Обнаружение квазидетерминированного изображенияпри наличии фона с неизвестными параметрами / А. П. Трифонов, Ю. Н. Прибытков // Автометрия. 2002. — № 4. — С. 19 — 31.
  103. , А. П. Обнаружение случайных изображений пространственнопротяженных объектов, затеняющих фон / А. П. Трифонов, Ю. Н. Прибытков // Автометрия. 2000. — № 4. — С. 14 — 25.
  104. , А. П. Обнаружение стохастических сигналов с неизвестнымипараметрами / А. П. Трифонов, Е. П. Нечаев, В. И. Парфенов- под ред. А. П. Трифонова. Воронеж: ВГУ, 1991.-246 с
  105. , А. П. Оценка местоположения точечной цели в зоне Френеляприемной антенны / А. П. Трифонов, С. И. Шарапов // Радиотехника и электроника. 1984. — Т. 29. — № 2. — С. 242 — 249.
  106. , А. П. Пороговые характеристики совместных оценок времениприхода и центральной частоты флуктуирующего радиоимпульса / А. П. Трифонов, А. В. Захаров // Радиотехника и электроника. 2002. — № 9. -С. 1068- 1071.
  107. , А. П. Прием разрывного квазидетерминированного сигнала нафоне гауссовской помехи / А. П. Трифонов // Изв. АН СССР. Техническая кибернетика. 1978. — № 4. — С. 146−153.
  108. , А. П. Совместное различение сигналов и оценка их параметровна фоне помех / А. П. Трифонов, Ю. С. Шинаков. М.: Радио и связь, 1986.-268 с.
  109. , А.П. Обнаружение объектов с неизвестной площадью приналичии фона / Прибытков Ю. Н. //Автометрия,. 2005. — Т.41, № 4. — С. 24−39
  110. , А.П. Оценка площади неоднородного изображения на фонепространственного шума / А. П. Трифонов, К. А. Зимовец // Известия ВУЗов. Радиоэлектроника. 2003. — Т.46, № 10 — С. 3−15
  111. , А.П. Оценка площади неоднородного пропадающегоизображения на фоне пространственного шума / А. П. Трифонов, К. А. Зимовец // Известия ВУЗов. Радиоэлектроника. 2004. — Т.47, № 8 — С. 314
  112. , А.П. Совместное обнаружение неоднородного изображения иоценка его площади на фоне шума / А. П. Трифонов, К. А. Зимовец // Автометрия. 2004. — Т.40, № 4 — С. 3−14
  113. , А.П. Характеристики обнаружения и оценки положенияисточника сигнала, модулирующего пуассоновское случайное поле / А. П. Трифонов, А. В. Зюльков. // Известия ВУЗов. Радиоэлектроника. -1981. Т.24, № 12 — С. 32−38
  114. , А.П. Характеристики оптимальных оценок параметровоптических сигналов на фоне пространственных помех / А. П. Трифонов, А. В. Зюльков, В. К. Маршаков //Известия ВУЗов. Радиоэлектроника-1981. Т.24, № 1 — С. 14−21
  115. , А.П. Эффективность обнаружения неоднородного изображения на фоне шума / А. П. Трифонов, К. А. Зимовец // Автометрия. 2003. — Т.39, № 1 — С. 19−27
  116. Трифонов, А. П. Обнаружение стохастического изображения с неизвестными параметрами при наличии фона с неизвестными параметрами / А. П. Трифонов, Ю. Н. Прибытков //Известия ВУЗов. Радиоэлектроника. — 2002 .— Т. 45, № 9 .— С. 10−20.
  117. , В.Н. Адаптивные алгоритмы кодирования изображений / В. Н. Ульянов // Автометрия. 2001. — № 5. — С. 12- 24.
  118. , В. Введение в теорию вероятностей и ее приложения / В. Феллер. М.: Мир, 1984. — Т. 1. — 528 е.- Т.2. — 752 с.
  119. Я.А. Симметрические характеристики формы произвольного плоского изображения / Я. А. Фурман //Автометрия. 1998. — № 2. — С. 77- 86.
  120. , Я.А. Обработка контуров изображений с протяжёнными прямолинейными границами / Я. А. Фурман, И. Л. Егошина //Автометрия.- 1999.-№ 6.-С. 93−104.
  121. , Т. С. Обработка изображений и цифровая фильтрация / Т. С. Хуанг. М.: Мир, 1984. — 274 с
  122. П.М. Алгоритм комплексной обработки тепловизионных изображений / П. М. Юхно // Радиотехника. 2006. — № 6 — С. 54−57
  123. , П.М. Краевые эффекты в измерителях сдвигов изображений / П. М. Юхно //Радиотехника. 1998. — № 2. — С. 96- 98.
  124. , Ю.И. Статистические характеристики флуктуаций сигналов в оптоэлектронных каналах когерентно-оптических системах передачи / Ю. И. Яременко, В. А. Суворов // Радиотехника и электроника, № 1, 2001 г.- 2001. Т. 46, № 1 — С. 324−327.
  125. , D. Н. Computer Vision / D. Н. Ballard, С. М. Brown. New Jersey: Prentice-Hall, 1982. — 528 p.
  126. Besson O. Detection of a sginal in linear subspace with bounded mismatch / O. Besson // IEEE Trans. Aerosp. and Electron. Syst. 2007. — Vol. 42, № 3. -p. 1131−1139.
  127. Bharati, M. H. Multivariate image analysis for real-time analysis for real-time process monitoring and control / M. H. Bharati, J. F. MacGregor // Ind. Chem. Res. 1998. -№ 37. — p. 4715 — 4724.
  128. Gubner, John A. Detection of constrained subspace signals in additive infinite-dimensional interference and noise / John A. Gubner, Louis L. Scharf // IEEE Trans. Inf. Theory. 2007. — Vol. 50, № 11. — p. 2873 — 2879.
  129. Ho, Chun Та A high-speed algorithm for elliptical object detection / Chun -Та Ho, Ling — Hwei Chen // IEEE transaction on image processing. 1996. -Vol. 5, № 3. — p. 547−550.
  130. Jahne, В. Digital image processing / B. Jahne. New York: Springer, 2002. -586 p.
  131. Mahata, Kaushik On parameter estimation using nonparametric noise models / Kaushik Mahata, Rik Pintelon, Johan Schoukens // IEEE Trans. Autom. Contr.-2006.-Vol. 51, № 10.-p. 1602- 1612.
  132. Mc Fadden, I. A. On a class of Gaussian process for which the mean rate of crossing is infinite /1. A. Mc Fadden // J. Roy. Statist. Soc., 1967. v. B29. -p. 489−502.
  133. Petrou, M. Image Processing: The Fundamentals / M. Petrou, P. Bosdogianni. New York: John Wiley & Sons, 1999. — 334 p.
  134. Poon Ting-Chung Optical image recognition of three-dimensional objects / Poon Ting-Chung, Kim Taegeun//Appl. Opt. 1998- Vol.38, № 2, -p. 370 381.
  135. Serra, J. Image analysis and mathematical morphology / J. Serra. London: Academic Press, 1982. — 612 p.
  136. Silva, D.M. Optimum detection of small targets in a cluttered background / D.M. Silva, R.E. Warren // Opt. Eng. 2005. — Vol. 37, № 1. — p. 83- 92.
  137. Spacek, L. Edge detection and motion detection / L. Spacek // Image and Vision Computing. 1986. — 4(1). p. 43 — 56.
  138. Stoica, Petre Smoothed nonparametric spectral estimation via cepsturm thresholding. Introduction of a method for smoothed nonparameteric spectral estimation / Petre Stoica, Niclas Sandgren // IEEE Signal Process. 2008. -Vol.23, № 6.-p. 34−45.
  139. Sullivan, G. Model-based vehicle detection and classification using orthographic approximations / G. Sullivan, K. Baker, A. Worrall, C. Attwood, P. Remagnino // Image and Vision Computing. 1997. — 15(8). — p. 649 -654.
  140. , А.В. Квазиоправдоподобное обнаружение изображения с неизвестной площадью / А. П. Трифонов, А.В. Кудаев// Материалы XIIмеждународной научно-технической конференции «Радиолокация, навигация, связь». Воронеж, 2006. — Т.1. — С. 135 — 143.
  141. , А.В. Эффективность обнаружения изображения с неизвестными координатами и площадью / Трифонов А. П., Кудаев А. В. // Известия ВУЗов. Радиоэлектроника. -2008. № 2 — С. З -14.
  142. , А.В. Оценка координат изображения с неизвестной интенсивностью / А. П. Трифонов, А.В. Кудаев// Материалы XIV международной научно-технической конференции «Радиолокация, навигация, связь». Воронеж, 2008. — Т. 1. — С. 281 — 290.
  143. , А.В. Оценка координат изображения с неизвестными интенсивностью и площадью / Трифонов А. П., Кудаев А. В. // Известия ВУЗов. Радиоэлектроника. 2009. -№ 5. — С. 3 — 14
  144. , А.В. Пороговые характеристики оценок координат изображения с неизвестными интенсивностью и площадью / Трифонов А. П., Кудаев А. В. //Известия ВУЗов. Радиоэлектроника. -2010. -№ 1 .-С. 40 -47
Заполнить форму текущей работой

На отлично!